那群体之间的相互博弈到底是不是零和博弈？这个问题貌似有很多种不同的看法。但我个人倾向于同意《股市博弈论》笔者第一次接触这个概念就是通过杨新宇的著作，而当时更让我吃惊的是，作者的学科背景是生物物理。不过，从交易员的角度来看待这个事实，似乎获取认同并不困难。埃尔德在“以交易为生”写到：“交易所、监管机构、经纪公司和投资顾问们都以市场为生，他们不断的从市场抽取巨额资金，而一批批的交易者却被市场淘汰出局……那些赔钱的人给市场带来了资金，这是市场交易繁荣的前提条件。”这么说来，负和游戏的描述也没有错。的观点，至少短期在二级市场层面来看，这个描述应该不算过分。从总体上的资金流入与流出讲，这似乎没什么值得反对的。不过，也必须承认很多人愿意从长远的角度来看待这个问题，并通过经济增长等佐证投资的价值。这有一个如何面对市值概念的问题——当绝大多数市场参与人决定撤出投资时，前一刻的市值概念对你没有任何意义。所以，这个在平稳状态下可以维系的概念脆弱得要命。如果你对之前几节的内容没有更形象的感觉，回顾一下几次有名的崩盘——有几人能卖在高点？连彼得·林奇也没有。
抛开税费等因素，二级市场赚到的钱来源于其他投资者的慷慨解囊。尽管持续的单边上涨的股市也不见得要以其他投资者亏损为前提来进行获利，但这种形态的市场从来都没有出现在现实中。即便没有做空盈利机制、个人的现金需求、投资其他金融产品的需要或价值回归过程，蒙塔古的“假想失误学习信号”现象也足可以出现追涨杀跌的效果，而整个过程中的重点——流动性支撑——也会因后续资金的不可维系而遭到破坏。如果说的还不够明白，想象一下典型的坐庄过程。市场主力的建仓、试盘、拉升、出货模式赚来的钱是谁的？投机不成反遭套牢的散户一定会痛诉主力的不厚道。但整个过程再明确不过了，这与是否采用价值投资概念根本没有关系。如果你还不相信，不妨再回忆一下上交所曾经推出的topview数据服务本书后续章节还会屡次援引这个例子。部分原因在于这个数据服务尽管因为价格过高而影响面相对较小，但其暴露了诸多市场参与者、监管者之间的复杂关系与监管舆论导向相背离的尴尬。不同侧面的借鉴意义都是如此一针见血，实在是比空谈来得有趣的多。这个有时间延迟的敏感数据终因机构投资者的声声讨伐而消失。参考席位数据可以让个人投资者跑得更快，缺少对手盘的基金会相当尴尬。真相就这么简单，不需要什么所谓的价值投资来转移焦点。现在回过头来想想“在交易时，你既要面对佣金和成交价差的盘剥，同时还要与某些世界上最聪明的人火拼”这一观点，似乎就没什么理解上的障碍了。
其实，之所以要把这三点放在一起讨论是因为一个实例。今天与市场人士回忆当初陈浩、杨新宇所开创的指南针系统时，中肯的评价是“一开始很好用，但用的人多了也就没有了盈利空间，再后来甚至成了反向指标”。这是一个需要从两个层面审视的问题，但归根结底还是逃不开竞价机制与零和博弈。指南针系统使用的人多了，竞价机制会促使其盈利空间消失。而零和博弈的属性本身不断的加速了这个过程的同时也让对手方盈利空间逐步被压缩至零。或许，这两位前辈很后悔将自己的成果公布，又或者他们已经得到了自己想要的金钱与地位，又或者这一切也还只是一个偶然显然，对于并不能彻底量化的盈利模式来说，网络的过训练问题很难解决。但他们为今天的投资者留下了一个经验：“如果有好用的策略，留给自己。”
（第五节）投资理论：坚实基础、空中楼阁与数量化
对于这一节的前两点——坚实基础与空中楼阁，马尔基尔其实有很不错的论述。唯独数量化这个概念却没有得到很好的阐述。为了结构的完整，我们简述如下。
三种理论
坚实基础：投资工具存在内在价值，且内在价值可以通过分析现状和前景来确定。格雷厄姆、巴菲特算是典型人物。
空中楼阁（博傻）：一项投资之所以具有价值是因为可以更高的价格卖给别人。伟大的经济学家凯恩斯是该理论的提出者。
数量化：应用信息技术和金融工程模型制定投资决策。伟大的数学家西蒙斯是此领域的杰出代表。对于这个领域的方法划分，Richard Tortoriello在“Quantitative Strategies For Achieving Alpha”中给出了一个中肯的回答。数量化分析手段实际上要求的只有“能够定量分析”一个准则。对于究竟采用的是技术分析数据还是基本面分析数据并无特别限定。更为重要的是，它将分析师的不稳定因素降到了最低。对于一些难以说清具体影响有多大的因素是很难用数量化分析手段进行合理实现的。这种说理仍然是抽象的，举个例子应该比较合适。宏观和策略分析实际上都曾经考虑过M1、M2、M2—M1增速问题，笔者就曾经写过类似的报告，也看过很多头顶光环的分析师说过这几个指标。这就是一个可以被纳入数量化分析的典型事例。既然提及这个指标，也顺便把故事讲完。国信数量化团队在该指标的历史有效性分析上的结论是：“有微弱正相关，时效性较差”国信证券：数量化投资技术系列报告之二十五“实现量化投资盈利目标的征程2009—2010”。
图2Richard Tortoriello对于数量化分析的范围限定原书中Figure 1.1 Fundamental，Quantitative，and Technical Analysis。
数据来源：“Quantitative Strategies For Achieving Alpha”
之所以把这三种理论同时展现在大家眼前，是因为凯恩斯和西蒙斯都曾经在某种层面上使用过坚实基础理论的分析方式，但最终都纷纷将其抛弃。这种分类方法的背后是一个有趣的过程：坚实基础在某种程度上是重视自己的判断，觉得其他人乃至市场先生经常会犯错。而空中楼阁则是从资金规模影响定价的角度出发，相信其他人的意见远比自己意见来的影响深远。数量化却更进一步，选择了在策略执行层面上把人的因素降到了最低。这里的投资逻辑太过于对抗乃至我们需要特别的指出一个伴生的现象：分析师往往在以个人判断的正确为信念工作。而交易员却往往以“当前是一笔亏损交易……而且亏损会很大”详见拉里·威廉斯的《短线交易秘诀》。为信念进行工作。
另一个问题需要提醒大家注意就是收益率。稳定策略的预期收益率不要定得太高，30%以上的年收益率已经可以让你跻身于世界级大师的行列。笔者见过很多不切实际的宣传欺骗了投资者，稍微理性些的看待这个问题没什么不好。时刻记住，别被林奇的书中随处可见的诸如“10倍股”这样的名词搞昏了头脑，他的复合收益率是29%。
总结
笔者不想强加给读者任何一种投资理论，但或许经过简要的比较过后就会清楚，数量化之所以能在国外繁荣发展，原因不难理解。正如前文所述，模式识别是终究难以逃避的问题，而变量的分析与引入也在不同层面给以人为基础的分析、投资模式带来影响。而数量化的指令都是明确可执行的，依托大数定律更详尽的论述可以参考《实用数学手册》。我们其实只是关心“在试验不变的条件下，重复试验多次，随机事件的频率近似于它的概率”这一性质。与我们最相关的一个通俗理解是“概率论中讨论随机变量序列的算术平均值向常数收敛的定律。”当然，如何理解“试验不变”完全基于我们对数据的态度。等技术手段甚至可以弥补胜率上的不足。换句话说，一个失败率为60%的策略在等市值分散的前提下，也可能有正的收益率，这个道理彼得·林奇的著作中也有提到。别小看了这貌似平淡无奇的结论，它意味着买单只股票我们有可能经常亏损，但你的投资策略可能没有任何问题，关键是要分散化的看待投资。
（第六节）投资标的、时机与仓位
一个投资过程一定会涉及以下三个问题：“买（卖）什么？什么时候买（卖）？买（卖）多少？”说的云里雾里，到最后仍然还是要落实到这三个根本的问题上来。比方说央行收缩流动性了，分析师开始评价其对市场的影响。读者一定要时刻牢记，这些建议要能够落实到操作层面，否则对于一个投资者来说没什么实际用途。分析师往往有一种过人的本领，就是通过一些似是而非的话来分散注意力。先介绍一下今日要闻，两句符合要闻的逻辑判断，再来一个“控制仓位、逢高出局”之类的话。这种典型的套路根本没什么实用价值。什么叫逢高出局？哪里是高？什么叫控制仓位，设置多少才是控制得当？投资可不是能模糊到这种程度的东西，别忘了精细到万分之几的佣金费率各大券商还恶性竞争呢。
一个研究所×老师的例子：